一种考虑充电负荷时空分布特性的EV充电站规划方法技术

本发明专利技术公开了一种考虑充电负荷时空分布特性的EV充电站规划方法，按照城市各区域的功能类型和负荷特征，将待规划区分类；基于EV出行链理论，统计得到各时段的空间转移概率矩阵；通过动态Floyd算法结合拉丁超立方抽样法建立了EV的时空充电负荷预测模型；对充电桩数量进行配置，建立EV充电站排队数学模型；综合考虑充电站和EV用户双方利益，建立充电站规划模型；采用自适应模拟退火粒子群优化算法求解模型，计算得出各充电站的排队等待时间和充电桩配置数目。本发明专利技术能够兼顾充电站和用户侧利益的最优方案，通过降低充电站之间的距离以及合理增加充电站数目，在有效提高了用户满意度的同时达到了年化总经济成本降低的目的。的同时达到了年化总经济成本降低的目的。的同时达到了年化总经济成本降低的目的。

【技术实现步骤摘要】
一种考虑充电负荷时空分布特性的EV充电站规划方法


[0001]本专利技术属于电动汽车领域，具体为一种考虑充电负荷时空分布特性的EV充电站规划方法。

技术介绍

[0002]近年来，EV凭借其环保、节能等优良特性，成为燃油汽车的理想替代品。根据IEA(2021)的报告，预计2030年全球EV总数将达到2.3亿辆。然而，当前EV渗透率依旧很低，阻碍其进一步普及的主要原因是充电站数量匮乏。并且，充电站的接入会增加电网负荷，产生大量谐波，对配网系统稳定运行造成一定的影响。因此，为了激励EV的推广，需要对充电站进行合理规划。

技术实现思路

[0003]本专利技术的目的在于提供一种考虑充电负荷时空分布特性的EV充电站规划方法。
[0004]实现本专利技术目的的技术方案为：一种考虑充电负荷时空分布特性的EV充电站规划方法，包括以下步骤：
[0005]步骤1、按照城市各区域的功能类型和负荷特征；
[0006]步骤2、基于EV出行链理论，将一天划分为24个时段，将出行终点划归到4个功能区里，统计得到各时段的空间转移概率矩阵；
[0007]步骤3、基于动态Floyd算法的路径规划，采用拉丁超立方法抽样对私家车和出租车的充电负荷需求建模，建立EV的时空充电负荷预测模型；
[0008]步骤4、采用M/M/s排队模型计算EV的平均等待时长，对充电桩数量进行配置，建立EV充电站排队数学模型；
[0009]步骤5、综合考虑充电站和EV用户双方利益，建立充电站规划模型；
[0010]步骤6、读取各需求点的充电负荷时空分布，利用Voronoi图划分充电站服务范围，设立初始充电站数量N，采用自适应模拟退火粒子群优化算法求解模型；
[0011]步骤7、根据划分服务范围，计算出各充电站的排队等待时间和充电桩配置数目，若充电站数目达到最大建站数量，则输出建站数量的年化总成本、充电站位置坐标和充电机数量，否则转至步骤6继续优化。
[0012]优选地，步骤1按照城市各区域的功能类型和负荷特征，将待规划区划分为4类：商业区、工作区、居民区、其他功能区。
[0013]优选地，步骤2建立各时段的空间转移概率矩阵，有：
[0014]P(E
i
→
E
j
)＝P(E
i
|E
i
)＝p
ij
[0015][0016][0017]式中，M(t)为空间转移概率矩阵，p
ij
为前后不同状态转移的概率，E
i
为出行的前一次状态，E
i
为出行的后一次状态，即EV空间转移概率。
[0018]优选地，步骤3基于动态Floyd算法的路径规划，建立道路邻接矩阵，将城市各区域道路的起止点和交叉路口作为节点，路径长度、行驶速度或行驶时间作为道路权值，根据EV从某个源点到目的地节点之间距离最短获取前N条候选路径，考虑城市实际交通路况，将当前行驶时间最短的路径作为出行路径，采用拉丁超立方法抽样对私家车和出租车的充电负荷需求建模，建立EV的时空充电负荷预测模型。
[0019]优选地，步骤4采用M/M/s排队模型计算EV的平均等待时长的具体公式如下：
[0020][0021]ρ为排队系统的服务强度；λ为EV平均到达速率，即单位时间内抵达充电站的EV数量；P0为所有充电桩都空闲的概率；T
ω
为EV用户的平均等待时长；N为充电桩数目。
[0022]优选地，步骤5建立一个综合考虑充电站和EV用户双方利益的充电站规划模型，设置充电站和用户利益的权重都为1，目标函数如下：
[0023]min F＝F1+F2[0024]式中，F为年化总经济成本；F1为充电站的年化经济成本；F2为用户的年化经济损失，具体表示为：
[0025][0026]式中，C
c
为年建设成本，包括充电站基本投资成本C
g
和充电桩购买成本C
p
；C
m
为年运行维护成本；y为充电站运营年限；N
c
为充电站数量；C
gi
为第i个充电站的基本投资成本；C
pi
为第i个充电站的充电桩购买成本；r0为贴现率；C
high
、C
low
分别为快充及慢充充电桩单
价；N
hpi
、N
lpi
分别为第i个充电站内快充、慢充充电桩数目；C
capi
为第i个充电站全年的运行容量；T
day
为充电桩的每日平均运行时间；o为人员工资比例参数；为并网费用比例参数；C
L
为用户充电路途损耗成本；C
W
为排队等待年成本；β为城市出行的单位时间成本；N
chi
、VT
ij
分别为第i个充电站服务范围内的充电需求数以及某辆需要充电的EV从当前位置到充电站的时间；C
ω
为顾客每小时排队成本；T
ωk
为一天中的时刻充电站i的平均排队时间；n
k
为一天中的时刻充电站i服务范围内的充电需求数；
[0027]约束条件包括：
[0028](1)充电站数量约束
[0029]N
min
≤N≤N
max
[0030]式中，N为充电站数量，N
min
为充电站最小数目，N
max
为充电站最大数目。
[0031](2)总需求约束
[0032]P
T
≥P
D
[0033]式中，P
T
为充电站每日的总功率；P
D
为该区域每日的总充电需求。
[0034](3)充电站距离约束
[0035]R
s
≤D1≤2R
s
[0036]式中，D1为两个充电站的间距，R
s
为充电站的服务半径。
[0037]本专利技术与现有技术相比，其显著优点在于：(1)本专利技术通过动态Floyd法获取当前最短出行路径，同时考虑了交通路况与出行决策问题，且并未进行长距离的绕路，符合EV用户的出行习惯；(2)交通路网的充电负荷时空分布与所属功能区充电特点和路网密集程度紧密相关，如居民区和商业区各节点一天各时段的充电需求普遍较高，验证了时空预测方法的有效性；(3)通过求解规划模型，得到了最优建站数量和充电桩总数目，清晰划分站点位置与服务范围，且在兼顾充电站和用户双方利益的前提下，进一步给出不同功率充电桩的配置方案，有利于用户满意度进一步提升且符合实际应用，该模型可适用于各城市充电站待规划场合。
附图说明
[0038]图1是一种考虑充电负荷时空分布特性的EV充电站规划方法流程图。
[0039]图2是EV充电负荷预测流程图。
[0040]图3是充电站规划本文档来自技高网...

【技术保护点】

【技术特征摘要】
为所有充电桩都空闲的概率；T
ω
为EV用户的平均等待时长；N为充电桩数目。6.如权利要求1所述的考虑充电负荷时空分布特性的EV充电站规划方法，其特征在于，步骤5建立一个综合考虑充电站和EV用户双方利益的充电站规划模型，设置充电站和用户利益的权重都为1，目标函数如下：minF＝F1+F2式中，F为年化总经济成本；F1为充电站的年化经济成本；F2为用户的年化经济损失，具体表示为：式中，C
c
为年建设成本，包括充电站基本投资成本C
g
和充电桩购买成本C
p
；C
m
为年运行维护成本；y为充电站运营年限；N
c
为充电站数量；C
gi
为第i个充电站的基本投资成本；C
pi
为第i个充电站的充电桩购买成本；r0为贴现率；C
high
、C
low
分别为快充及慢充充电桩单价；N
hpi
、N
lpi
分别为第i个充电站内快充、慢充充电桩数目；C
capi
为第i个充电站全年的运行容量；T
day
为充电桩的每日平均运行时间；o为人员...

【专利技术属性】
技术研发人员：魏俊虎，余义保，左逸凡，杨伟，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：